Vous êtes sur la page 1sur 8

DIAGONALISATION DE MATRICE

Vecteurs propres et valeurs propres

Soit E un espace vectoriel sur K; A ∈ L(E)

Définition 1: Vecteur propre et valeur propre

x ∈ E et différent de 0 , est un vecteur propre de A si il existe λ ∈K tel que: A x = λ x, λ est


appelée valeur propre associée à x. Il est équivalent d'écrire: (A - λ I ) x = 0 avec x ≠ 0.

Définition 2: Valeurs propres et spectre de A

Les valeurs propres associées à la matrice A sont les valeurs de λ l tel que : det(A - λ I ) = 0 .
L'ensemble des valeurs propres est appelé le spectre de A. Avec dim(A) = n et si λ ∈C, il
existe n valeurs propres.

Exemple:
a
⎧ax + bx 2 = 0 ==> x 2 = − x1 et (cb − ad ) x1 = 0
(1)⎨ 1 b
⎩cx1 + dx 2 = 0 ==> Si x1 ≠ 0 alors (cb − ad ) = 0

On remarque que le système d'équations (1) se met sous la forme:

⎡a b⎤ ⎡ x1 ⎤ ⎡0⎤
(1) − − > ⎢ ⎥ ⎢ ⎥ = ⎢ ⎥ = MX , Avec: det( M ) = ad − cb
⎣c d ⎦ ⎣ x 2 ⎦ ⎣0⎦

Définition 3: l'équation caractéristique de A : det(A - λ I ) = 0.

Remarque:

Si det (A - λ I ) = 0, alors(A - λ I ) n'est pas inversible. On note r le rang de (A - λ I ), le rang


donne le nombre d'équations linéairement indépendantes du système (A - λ I ) x = 0 qui
contient n inconnues, r inconnues seront calculées en fonction des n-r autres.

Exemple:
⎡ 3 0⎤
A=⎢ ⎥
⎣2 1⎦
⎡3 − λ 0 ⎤
A − λI = ⎢
⎣ 2 1 − λ ⎥⎦
det(A − λI) = (3 − λ )(1 − λ ) les valeurs propres sont λ 1 = 3 et λ 2 = 1

Définition 4: Ordre de multiplicité des valeurs propres:

L'équation caractéristique: det(A − λI) = ( λ − λ 1 ) k1 ( λ − λ 2 ) k 2 ....( λ − λ i ) ki .... =0


Le coefficient ki est appelé l'ordre de multiplicité de la valeur propre λi.

Exemple:
⎡1 0 0⎤ ⎡1 − λ 0 0 ⎤
⎢ ⎥ ⎢ ⎥
A = ⎢1 2 1⎥ avec A − λI = ⎢ 1 2−λ 1 ⎥
⎢⎣1 0 2⎥⎦ ⎢⎣ 1 0 2 − λ ⎥⎦
det(A − λI) = (1 − λ )(1 − λ ) 2
λ 1 = 1 d' ordre 1 et λ 2 = 2 d' ordre 2

Diagonalisation de A

La matrice diagonale de A (si elle existe) est constituée des valeurs propres de A. Il existe une
matrice de changement de repère notée T telle que T-1 A T = D = {λi}. La matrice T est la
matrice des vecteurs propres associés aux valeurs propres λi. T = [V1 V2 ...Vi .. Vn].

Condition de diagonalisation:

Soit l'ensemble des valeurs propres {λi} d'ordre de multiplicité ki.


Soit ri = rang(A -λiI ) et n la dimension de A

Définition 5:

Si ∀i, n-ri = ki alors il existe ki vecteurs propres associés à λi, linéairement indépendants et la
matrice A est diagonalisable.

Calcul des vecteurs propres:

T-1 A T = D d'où A T = T D

--> A[V1 V2 ...Vi .. Vn] = [AV1 AV2 ...AVi .. AVn] = [V1 V2 ...Vi .. Vn]D
--> [AV1 AV2 ...AVi .. AVn] = [λ1V1 λ2V2 ...λiVi .. λnVn]

Exemple 1:

⎡0 1 0⎤
⎢ ⎥
A=⎢0 0 1 ⎥ ; les valeurs propres sont: -1 -2 -3 chacune d'ordre 1
⎢⎣− 6 − 11 − 6⎥⎦

Condition de diagonalisation:
⎡1 1 0⎤
⎢ ⎥
A − ( −1)I = ⎢ 0 1 1⎥
⎢⎣− 6 − 11 − 5⎥⎦

rang (A - (-1)I) = 2 ==> n - r = 1 ordre de - 1


Même résultat pour -2 et -3.

Calcul des vecteurs propres:

⎡ v12 v 22 v 32 ⎤
⎢ ⎥
[AV1 AV2 ]
AV3 = ⎢ v13 v 23 v 33 ⎥
⎢⎣- 6v11 − 11v12 − 6v13 - 6v 21 − 11v 22 − 6v 23 - 6v 31 − 11v 32 − 6v 33 ⎥⎦

⎡− 1 0 0 ⎤ ⎡− v11 - 2v 21 - 3v 31 ⎤
⎢ ⎥ ⎢ ⎥
[
= V1 V2 ]
V3 ⎢ 0 − 2 0 ⎥ = ⎢ - v12 - 2v 22 - 3v 32 ⎥
⎢⎣ 0 0 − 3⎥⎦ ⎢⎣ - v13 - 2v 23 - 3v 33 ⎥⎦

Vecteur V1 Notons v11 = a


v12 = − v11 ⎡a⎤ ⎡1⎤
⎢ ⎥ ⎢ ⎥
v13 = -v12 = v11 V1 = ⎢- a ⎥ par exemple: V1 = ⎢- 1⎥
- 6v11 − 11v12 − 6v13 = -v13 ⎢⎣ a ⎥⎦ ⎢⎣ 1 ⎥⎦

Vecteur V2 Notons v 21 = b
v 22 = −2 v 21 ⎡ b ⎤ ⎡1⎤
⎢ ⎥ ⎢ ⎥
v 23 = -2v 22 = 4 v 21 V2 = ⎢- 2b⎥ par exemple : V2 = ⎢- 2⎥
- 6v 21 + 22 v 21 − 24 v 21 = -8v 21 ⎢⎣ 4b ⎥⎦ ⎢⎣ 4 ⎥⎦

Vecteur V3 Notons v 31 = c
v 32 = −3v 31 ⎡ c ⎤ ⎡1⎤
⎢ ⎥ ⎢ ⎥
v 33 = -3v 32 = 9 v 31 V3 = ⎢- 3c⎥ par exemple: V3 = ⎢- 3⎥
- 6v 31 + 33v 31 − 54 v 31 = -27v 31 ⎢⎣ 9c ⎥⎦ ⎢⎣ 9 ⎥⎦

⎡1 1 1⎤ ⎡ 3 5 / 2 1 / 2⎤
⎢ ⎥ ⎢ ⎥
T = ⎢− 1 − 2 − 3⎥ T − 1 = ⎢− 3 − 4 − 1 ⎥
⎢⎣ 1 4 9 ⎥⎦ ⎢⎣ 1 3 / 2 1 / 2⎥⎦
⎡− 1 0 0⎤
⎢ ⎥
On vérifie que T AT= D = ⎢ 0 − 2 0 ⎥
-1

⎢⎣ 0 0 − 3⎥⎦

Exemple 2:
⎡ 1 0 0⎤
⎢ ⎥
A = ⎢ 0 2 0⎥ Valeurs propres: 1 ordre 1; 2 ordre 2
⎢⎣− 1 0 2⎥⎦

Condition de diagonalisation:
⎡ 0 0 0⎤ ⎡− 1 0 0⎤
⎢ ⎥ ⎢ ⎥
A − 1I = ⎢ 0 1 0⎥ A − 2I = ⎢ 0 0 0⎥
⎢⎣− 1 0 1⎥⎦ ⎢⎣− 1 0 0⎥⎦
rang (A - 1I) = 2 ==> n - r = 1 ordre de 1 rang (A - 2I) = 1 ==> n - r = 2 = ordre de (2)

Vecteur propre associé à la valeur propre 1:


⎡ 0 0 0⎤ ⎡ v11 ⎤ ⎡ 0 ⎤ ⎡0⎤
⎢ ⎥⎢ ⎥ ⎢ ⎥ ⎢ ⎥
[A − I]V1 = 0 − − > ⎢ 0 1 0⎥ ⎢v12 ⎥ = ⎢ v12 ⎥ = ⎢0⎥
⎢⎣− 1 0 1⎥⎦ ⎢⎣ v13 ⎥⎦ ⎢⎣− v11 + v13 ⎥⎦ ⎢⎣0⎥⎦
⎡a ⎤ ⎡1⎤
⎢ ⎥ ⎢ ⎥
V1 = ⎢0⎥ soit V1 = ⎢0⎥ (par exemple)
⎢⎣a ⎥⎦ ⎢⎣1⎥⎦

Vecteurs propres associés à la valeur propre 2:


⎡− 1 0 0⎤ ⎡ v1 ⎤ ⎡− v1 ⎤ ⎡0⎤
⎢ ⎥⎢ ⎥ ⎢ ⎥ ⎢ ⎥
[A − 2I]V = 0 − − > ⎢ 0 0 0⎥ ⎢v 2 ⎥ = ⎢ 0 ⎥ = ⎢0⎥
⎢⎣− 1 0 0⎥⎦ ⎢⎣ v 3 ⎥⎦ ⎢⎣− v1 ⎥⎦ ⎢⎣0⎥⎦
⎡0⎤ ⎡0⎤ ⎡0⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
V = ⎢ a ⎥ soit V2 = ⎢1⎥ et V3 = ⎢0⎥ (par exemple)
⎢⎣ b⎥⎦ ⎢⎣0⎥⎦ ⎢⎣1⎥⎦

Attention de bien vérifier que V2 et V3 sont linéairement indépendants.

Soit: a V2+ b V3 = 0 ==> a = b = 0

⎡1 0 0⎤ ⎡ 1 0 0⎤
⎢ ⎥ ⎢ ⎥
T = ⎢0 1 0⎥ et T −1 = ⎢ 0 1 0⎥
⎢⎣1 0 1⎥⎦ ⎢⎣− 1 0 1⎥⎦
⎡1 0 0 ⎤
⎢ ⎥
On vérifie que T-1AT = D = ⎢0 2 0⎥
⎢⎣0 0 2⎥⎦

Exemple 3
⎡ 0 1 0⎤
⎢ ⎥
A=⎢ 0 0 1 ⎥ Valeurs propres: - 1 ; - 1 + j et - 1- j
⎢⎣− 2 − 4 − 3⎥⎦

Vecteur propre V1 associé à la valeur propre -1:

⎡ v12 ⎤ ⎡ - v11 ⎤ Notons v11 = a


⎢ ⎥ ⎢ ⎥
AV1 = ⎢ v13 ⎥ = ⎢- v12 ⎥ ⎡a⎤ ⎡1⎤
⎢⎣- 2v11 − 4 v12 − 3v13 ⎥⎦ ⎢⎣- v13 ⎥⎦ ⎢ ⎥ ⎢ ⎥
V1 = ⎢- a ⎥ par exemple: V1 = ⎢- 1⎥
- 2v11 + 4 v11 − 3v11 = -v11 ⎢⎣ a ⎥⎦ ⎢⎣ 1 ⎥⎦

Vecteur propre V2 associé à la valeur propre -1+j

⎡ v 22 ⎤ ⎡ (-1 + j)v 21 ⎤
⎢ ⎥ ⎢ ⎥
AV2 = ⎢ v 23 ⎥ = ⎢(-1 + j)v 22 ⎥
⎢⎣- 2v 21 − 4 v 22 − 3v 23 ⎥⎦ ⎢⎣(-1 + j)v 23 ⎥⎦

- 2v 21 − 4(-1 + j)v 21 − 3(-1 + j) 2 v 21 = (-1 + j) 3 v 21

Notons v 21 = a
⎡ a ⎤ ⎡ 1 ⎤
⎢ ⎥ ⎢ ⎥
V2 = ⎢(-1 + j)a ⎥ par exemple: V2 = ⎢- 1 + j⎥
⎢⎣ - 2ja ⎥⎦ ⎢⎣ - 2j ⎥⎦

Vecteur propre V3 associé à la valeur propre -1-j

⎡ v 32 ⎤ ⎡ (-1- j)v 31 ⎤
⎢ ⎥ ⎢ ⎥
AV3 = ⎢ v 33 ⎥= ⎢(-1- j)v 32 ⎥
⎢⎣- 2v 31 − 4 v 32 − 3v 33 ⎥⎦ ⎢⎣(-1- j)v 33 ⎥⎦

- 2v 31 − 4(-1- j)v 31 − 3(-1- j) 2 v 31 = (-1- j) 3 v 31


Notons v 31 = a
⎡ a ⎤ ⎡ 1 ⎤
⎢ ⎥ ⎢ ⎥
V3 = ⎢(-1- j)a ⎥ par exemple: V3 = ⎢- 1- j⎥
⎢⎣ 2ja ⎥⎦ ⎢⎣ 2j ⎥⎦

⎡1 1 1 ⎤ ⎡ 4 4 2⎤
⎢ ⎥ −1 1 ⎢ ⎥
T = ⎢− 1 − 1 + j − 1 − j⎥ et T = ⎢− 1 − j − 2 − j − 1⎥
2
⎢⎣ 1 − 2j 2j ⎥⎦ ⎢⎣− 1 + j j − 2 − 1⎥⎦
⎡− 1 0 0 ⎤
⎢ ⎥
On vérifie que T AT = J = ⎢ 0 − 1 + j
-1
0 ⎥
⎢⎣ 0 0 −1− j⎥⎦

Forme de Jordan

Définition 6:

Si n-r = k < ki alors il existe k vecteurs propres associés à λi linéairement indépendants et (ki
- k) vecteurs propres non linéairement indépendants. A n'est pas diagonalisable, la valeur
propre λi génère un bloc de Jordan.

Bloc de Jordan:
⎡λ i 0 0 . 0 0 0 0 ⎤
⎢0 λ 0 . 0 0 0 0⎥
⎢ i ⎥
⎢ 0 0 λi . 0 0 0 0 ⎥
⎢ ⎥
⎢. . . . . . . .⎥
⎢ 0 0 0 . λi 1 0 0 ⎥
⎢ ⎥
⎢ 0 0 0 . 0 λi 1 0 ⎥
⎢0 0 0 . 0 0 λ 1⎥
i
⎢ ⎥
⎢⎣ 0 0 0 . 0 0 0 λ i ⎥⎦
< - - - - - - - - -- >< - - - - - - - - -- >
k colonnes k i - k colonnes
Exemple 1 :
⎡− 2 − 1 − 1⎤
⎢ ⎥
A=⎢ 1 0 1⎥ Valeurs propres: - 1 ordre 3
⎢⎣ 0 0 − 1⎥⎦

Condition de diagonalisation:

⎡− 1 − 1 − 1⎤ rang (A + 1I) = 1 ==> n - r = 2


⎢ ⎥
A+I = ⎢ 1 1 1⎥ ==> 2 vecteurs propres linéairement indépendants: V1 et V2
⎢⎣ 0 0 0 ⎥⎦ ==> 1 vecteur propre linéairement dépendant de V1 ou de V2
⎡− 1 0 0⎤
⎢ ⎥
A − 2I = ⎢ 0 0 0⎥ rang (A - 2I) = 1 ==> n - r = 2 = ordre de (2)
⎢⎣− 1 0 0⎥⎦
Vecteurs propres
⎡− 1 − 1 − 1⎤ ⎡ v1 ⎤ ⎡ v1 + v 2 + v 3 ⎤ ⎡0⎤
⎢ ⎥⎢ ⎥ ⎢ ⎥ ⎢ ⎥
[A + I]V = 0 − − > ⎢ 1 1 1 ⎥ ⎢v 2 ⎥ = ⎢− v1 − v 2 − v 3 ⎥ = ⎢0⎥
⎢⎣ 0 0 0 ⎥⎦ ⎢⎣ v 3 ⎥⎦ ⎢⎣ 0 ⎥⎦ ⎢⎣0⎥⎦
⎡ a ⎤ ⎡1⎤ ⎡ a ⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
V = ⎢ b ⎥ soit V1 = ⎢ 0 ⎥ et V2 = ⎢ b ⎥ (par exemple)
⎢⎣− a − b⎥⎦ ⎢⎣− 1⎥⎦ ⎢⎣− a − b⎥⎦
3° Vecteur propre
⎧ V1 ⎡− 1 − 1 − 1⎤ ⎡ v1 ⎤ ⎡ v1 + v 2 + v 3 ⎤
⎪ ⎢ ⎥⎢ ⎥ ⎢ ⎥
[A + I]V3 = ⎨ ou − − > ⎢ 1 1 1 ⎥ ⎢v 2 ⎥ = ⎢− v1 − v 2 − v 3 ⎥
⎪V ⎢⎣ 0 0 0 ⎥⎦ ⎢⎣ v 3 ⎥⎦ ⎢⎣ 0 ⎥⎦
⎩ 2

⎡ v1 + v 2 + v 3 ⎤ ⎡ a ⎤
⎢ ⎥ ⎢ ⎥
[A + I]V3 = V2 ==> ⎢− v1 − v 2 − v 3 ⎥ = ⎢ b ⎥
⎢⎣ 0 ⎥⎦ ⎢⎣− a − b⎥⎦
b = −a
⎡ α ⎤ ⎡1⎤ ⎡0⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
et V3 = ⎢ β ⎥ V2 = ⎢− 1⎥ et V3 = ⎢0⎥
⎢⎣− α − β − a ⎥⎦ ⎢⎣ 0 ⎥⎦ ⎢⎣− 1⎥⎦

Attention de bien vérifier que V1 et V2 sont linéairement indépendants


⎡1 1 0⎤ ⎡1 1 0⎤
⎢ ⎥ −1 ⎢ ⎥
T = ⎢ 0 − 1 0 ⎥ et T = ⎢ 0 − 1 0 ⎥
⎢⎣− 1 0 − 1⎥⎦ ⎢⎣− 1 − 1 − 1⎥⎦
⎡− 1 0 0⎤
⎢ ⎥
On vérifie que T-1 AT = J = ⎢ 0 − 1 1 ⎥
⎢⎣ 0 0 − 1⎥⎦
Exemple 2 :
⎡0 1 0⎤
⎢ ⎥
A=⎢0 0 1⎥ Valeur propre: - 1 ordre 3
⎢⎣− 1 − 3 − 3⎥⎦

Condition de diagonalisation:
⎡1 1 0 ⎤ rang (A + 1I) = 2 ==> n - r = 2
⎢ ⎥
A+I = ⎢ 0 1 1 ⎥ ==> 1 vecteur propre indépendant: V1
⎢⎣− 1 − 3 − 2⎥⎦ ==> 2 vecteurs propres linéairement dépendants
⎡− 1 1 0⎤
⎢ ⎥
La matrice de Jordan s'écrit: J = ⎢ 0 − 1 1 ⎥
⎢⎣ 0 0 − 1⎥⎦
Vecteurs propres
⎡ v12 v 22 v 32 ⎤
⎢ ⎥
[AV1 AV2 AV3 = ⎢ ] v13 v 23 v 33 ⎥
⎢⎣- v11 − 3v12 − 3v13 - v 21 − 3v 22 − 3v 23 - v 31 − 3v 32 − 3v 33 ⎥⎦
⎡− 1 1 0 ⎤ ⎡− v11 v11 - v 21 v 21 - v 31 ⎤
⎢ ⎥ ⎢ ⎥
[ ]
= V1 V2 V3 ⎢ 0 − 1 1 ⎥ = ⎢ - v12 v12 - v 22 v 22 - v 32 ⎥
⎢⎣ 0 0 − 1⎥⎦ ⎢⎣ - v13 v13 - v 23 v 23 - v 33 ⎥⎦
Vecteur V1 Notons v11 = a
v12 = − v11 ⎡a⎤ ⎡1⎤
⎢ ⎥ ⎢ ⎥
v13 = -v12 = v11 V1 = ⎢- a ⎥ par exemple: V1 = ⎢- 1⎥
- v11 + 3v11 − 3v11 = -v11 ⎢⎣ a ⎥⎦ ⎢⎣ 1 ⎥⎦

Vecteur V2 Notons v 21 = b
v 22 = 1 − v 21 ⎡ b ⎤ ⎡1⎤
⎢ ⎥ ⎢ ⎥
v 23 = −1 - v 22 = −2 + v 21 V2 = ⎢ 1- b ⎥ par exemple : V2 = ⎢ 0 ⎥
- v 21 − 3 + 3v 21 + 6 - 3v 21 = 3 - v 21 ⎢⎣- 2 + b⎥⎦ ⎢⎣- 1⎥⎦

Vecteur V3 Notons v 31 = c
v 32 = 1 − v 31 ⎡ c ⎤ ⎡1⎤
⎢ ⎥ ⎢ ⎥
v 33 = -v 32 = −1 + v 31 V3 = ⎢ 1- c ⎥ par exemple: V3 = ⎢0⎥
- v 31 − 3 + 3v 31 + 3 − 3v 31 = -1 + 1 − v 31 ⎢⎣- 1 + c⎥⎦ ⎢⎣0⎥⎦

⎡1 1 1⎤ ⎡0 − 1 0 ⎤
⎢ ⎥ −1 ⎢ ⎥
T = ⎢− 1 0 0⎥ et T = ⎢0 − 1 − 1⎥
⎢⎣ 1 − 1 0⎥⎦ ⎢⎣1 2 1 ⎥⎦
On vérifie que T-1 AT = J

Vous aimerez peut-être aussi